AssemblyAI

AssemblyAI 把自己定位成「给开发者的 Voice AI 基础设施」，官网首页直接摆出一段 Python 代码——接入方式是调 API，而不是装一个图形界面软件。产品线大致分几块：预录音转写、实时流式转写、同步短音频转写（一次请求直接返回结果，无需轮询），再往外延伸出语音代理（Voice Agent）与语音理解接口，后者可以从一段音频里提取说话人身份、情绪倾向、章节划分和摘要。

模型方面，官网当前主推 Universal-3.5 Pro（预录音）与 Universal-3.6 Pro Realtime（实时流），预录音转写覆盖 99 种语言。平台还附带 Guardrails 组件，用于在音频与转写文本中脱敏个人信息；另有一个 LLM Gateway，用同一端点在多家大模型之间做路由和故障切换。

规模数据方面，官网写明每天处理约 200 万小时音频，并承诺不限并发、不设强制合约，从 100 小时到每月 40 万小时用量都走同一平台；具体报价以 assemblyai.com/pricing 实时公示为准。